El equipo del gallego César de la Fuente presenta una plataforma de IA que diseña antibióticos nuevos
El equipo del gallego César de la Fuente presenta una plataforma de IA que diseña antibióticos nuevos
ApexAmphion combina inteligencia artificial y aprendizaje por refuerzo para generar moléculas capaces de combatir bacterias resistentes
Te puede interesar: ITG acoge en A Coruña una jornada internacional y gratuita sobre el futuro del cerebro humano
El Machine Biology Group de la Universidad de Pensilvania, liderado por el científico gallego César de la Fuente, ha presentado ApexAmphion, una plataforma de inteligencia artificial capaz de diseñar moléculas antibióticas utilizando aprendizaje por refuerzo, la misma familia de técnicas que permitió a las máquinas dominar juegos como Go o StarCraft.
El aprendizaje por refuerzo imita la manera en que aprenden los humanos: actuar, recibir retroalimentación y ajustar estrategias. Aplicado a la biología, ApexAmphion propone nuevas secuencias peptídicas y evalúa su potencial como antibióticos mediante recompensas multiobjetivo, que incluyen su potencia prevista y propiedades que favorecen su desarrollo como fármaco. Iteración tras iteración, la plataforma aprende a generar moléculas cada vez más eficaces.
La urgencia de este desarrollo es creciente, ya que se estima que la resistencia a los antimicrobianos podría causar hasta diez millones de muertes anuales en 2050. Para abordarla, el equipo combinó un modelo de lenguaje de proteínas de 6,4 mil millones de parámetros con aprendizaje por refuerzo, aprovechando patrones evolutivos de proteínas naturales para guiar el diseño hacia candidatos activos y desarrollables.
Los resultados obtenidos son sobresalientes: de cien péptidos diseñados por ApexAmphion, todos mostraron actividad antimicrobiana y el 99 % actuó contra al menos dos patógenos clínicamente relevantes, incluidas cepas multirresistentes, con concentraciones inhibitorias mínimas en el rango nanomolar.
Además, el equipo creó Amphorium, una biblioteca virtual de 2,1 millones de péptidos anotados por máquina, que permite acelerar las pruebas dirigidas y ampliar la capacidad de diseño. Gracias a técnicas de optimización de política proximal y recompensas cuidadosamente diseñadas, ApexAmphion también supera la escasez de datos, un reto habitual en biomedicina.
El descubrimiento tradicional de antibióticos es un proceso lento y a menudo fortuito. Con el aprendizaje por refuerzo, los criterios de éxito se definen explícitamente, evaluando potencia y desarrollabilidad, y la IA aprende a mejorar de manera autónoma. Esto permite concentrar el trabajo de laboratorio en los diseños más prometedores y acortar significativamente los plazos de descubrimiento.
"El aprendizaje por refuerzo cambió lo que era posible en los juegos, permitiendo que las máquinas aprendieran de la experiencia", afirma César de la Fuente. "Con ApexAmphion llevamos esa idea a la biología y la medicina: el sistema propone, evalúa in silico, aprende y vuelve a proponer, afinando rápidamente antibióticos que parecen potentes y potencialmente desarrollables”.
El funcionamiento de ApexAmphion combina varias etapas iterativas. Primero, un modelo de lenguaje de proteínas previamente entrenado genera nuevas secuencias peptídicas. A continuación, modelos predictivos estiman su concentración mínima inhibitoria y propiedades fisicoquímicas clave.
La política de aprendizaje por refuerzo recibe recompensas compuestas y ajusta sus predicciones hacia secuencias de mayor valor. Este ciclo se repite rápidamente, guiando el diseño hacia los perfiles de fármaco más prometedores y optimizando el descubrimiento de nuevos antibióticos de manera más eficiente que los métodos tradicionales.
